交易中的机器学习：理论、模型、实践和算法交易 - 页 3108

新评论
 
Aleksey Vyazmikin #:

我在链接中没有看到问题的答案。

一个恰当的问题通常已经有了答案。显然，这样的问题还没有人问过。

也许你应该问问自己，什么是整体相似性，聚类与它有什么关系。

如果你需要估算一个分布的概率密度（我试图从你语焉不详的问题中猜测），那么这就是核密度估计。
 
Maxim Dmitrievsky #:
一个恰当的问题通常已经有了答案。

也许你应该问问自己，什么是整体相似性，聚类与它有什么关系。

如果你需要估计分布的密度（我试图从这个不明确的问题中猜测），那么这就是核密度估计。

如果你诚心诚意地想帮忙，我可以向你介绍问题的细节。

因此，我们有一个条件公式：

P=A/（A+B）*100-x。

其中，A 和 B 是整数，比如从 1 到 1000。

x 是某个系数，为了简单起见，甚至可以让它有一个固定值，而且可以在头脑中删除。

有一个样本，比如 500 行。

我们计算每一行的 P 值。我们用这样或那样的方法把结果分成不同的范围，这样就得到了一个经验分布。

然而，公式本身给出了 A 和 B 的不同值时的可比数值，这是合乎逻辑的，因为实质上我们计算的是人口的百分比，所以对我来说，对数字 A 进行修正是很重要的，为此，我们制作了另一个空间，其中指定了公式中的 A 值，同时还制作了经验图。

这样就生成了一个三维图，可以写成矩阵。

我有大约 1 万个这样的矩阵，我想根据相似性对它们进行分组。

因此，我需要一种聚类方法，将它们归为一组。当然，我希望它们不仅在单个点上相似，而且在分布上也相似。

例如，我们可以比较每一层的分布（按数字 A 划分），然后计算相似分布的百分比。不过，也许已经有了一个很好的解决方案。

我把问题的本质描述清楚了吗？

 
这就是找到最佳聚类数目的方法。你可以尝试用高斯混合物来代替 kmins。
 
Aleksey Vyazmikin #:

然而，我是在 跟谁说话呢--一个现成解决方案的爱好者.....

Aleksey Vyazmikin#：

比方说，你可以比较每一层的分布（按数字 A 划分），然后计算相似分布的百分比。 但也许已经有了一个很好的解决方案。

怎么做呢？)))

 
mytarmailS #:

怎么可能？)))

就像他抓住了你并幸灾乐祸))))))

能创建定制解决方案的人也能使用现成的解决方案，但反过来就不行了。

所以你没抓到我。

 
Andrey Dik #:

他还在幸灾乐祸）。

能够创建定制解决方案的人也可以使用现成的解决方案，但反过来就不行了。

所以你没抓到我。

有一种现象叫做 "过度活跃"，即一个人似乎无处不在，但同时又无处不在。同样，无节制地使用软件包会导致疲劳和迷失方向，进而引发愤怒，而不是获得起码的知识：)
 
Maxim Dmitrievsky #:
当一个人似乎无处不在，但同时又无处不在时，就会出现过度活跃的现象。同样，无节制地使用数据包会导致疲劳和迷失方向，进而引发愤怒，而不是获得最起码的知识:))
你是个乐观主义者，马克斯，我认为情况会更糟。）
 

我在 5 月 15 日测试了我在这里抛出的机器人，一个月过去了。不同的 sl 和 tp 会产生不同的结果，但平均而言都在增长。


 
Maxim Dmitrievsky #:

我在 5 月 15 日测试了我在这里抛出的机器人，一个月过去了。不同的 sl 和 tp 会产生不同的结果，但平均而言都在增长。


5 点止损 50？
 
mytarmailS #:
止损 5 点，止损 50 点？

这是一个长期模式，信号会长期保持在一个方向上。

我已经证明了这一点 20 年，只做了 1000 多笔交易。短线获利是出路之一，否则交易会很少。

1...310131023103310431053106310731083109311031113112311331143115...3399
新评论